Training Data Lab participa en el XII Congreso Latinoamericano de Ciencia Política

Créditos de la imagen: Unsplash

Del 17 al 20 de julio de 2024, nuestro grupo de investigación, Training Data Lab, tuvo el honor de participar en el XII Congreso Latinoamericano de Ciencia Política, titulado “América Latina como actor en la configuración geopolítica global”, celebrado en Lisboa, Portugal. Nuestros investigadores asociados presentaron tres trabajos que reflejan nuestra investigación en el ámbito de la ciencia política y la metodología.

Presentaciones

En primer lugar, Carla Cisternas presentó su trabajo “Expertise ad hoc: evidencia de las comisiones asesoras en Chile (1990-2022)”. En este trabajo, se analiza cómo los gobiernos chilenos optan por convocar comisiones asesoras ad hoc y reclutar a expertos externos para enfrentar crisis o problemas públicos. Se argumenta que estos gobiernos utilizan estratégicamente estas instancias para disminuir el daño político-electoral en escenarios adversos, integrando a actores externos y aparentemente apolíticos. Sin embargo, debido al riesgo de ceder poder a los expertos externos, el uso estratégico de estas instancias dependerá del nivel de conflictividad alcanzado.

Para evaluar este argumento empíricamente, se utilizaron modelos binomiales de efectos fijos en datos panel de Chile durante un período de 32 años (1990-2022). Se evaluó mensualmente el efecto de eventos críticos y extremadamente críticos, así como la conflictividad acumulada, en el nombramiento de una Comisión asesora ad hoc de expertos externos. Se utilizaron datos del proyecto Global Database of Events, Language, and Tone (GDELT), que supervisa eventos e incidentes en casi todo el mundo desde 1979, y se construyó una base de datos original sobre comisiones asesoras con información solicitada al Consejo para la Transparencia de Chile y trabajo de archivo.

En segundo lugar, Bastián González-Bustamante presentó dos trabajos: “Peticiones de renuncia y dimisiones ministeriales en las democracias presidenciales latinoamericanas” y “Large Language Models (LLMs) para identificar toxicidad en la esfera digital durante eventos de protesta en América Latina”.

En el primer trabajo, se analiza el efecto de las peticiones de renuncia y dimisiones ministeriales sobre la política de protección y regla de despido de los presidentes en 12 países latinoamericanos entre 1976 y 2021. Los indicadores de llamadas a la renuncia son completamente inéditos y se construyeron aplicando algoritmos de minería de datos y aprendizaje profundo a archivos de prensa. Se combina protección y despido para limitar pérdida de agencia y fomentar activismo político a través de realojos y terminaciones ministeriales.

En el segundo trabajo, se presenta un avance en un proyecto que lidera nuestro investigador y que es financiado por OpenAI. En este estudio, se comparan las habilidades de 16 modelos de lenguaje grande (LLMs) para realizar tareas de anotación política. Los modelos se desplegaron localmente para identificar toxicidad y incivilidad en la esfera digital durante un evento de protesta novel. Los hallazgos muestran que los modelos Nous-Hermes 2 y versiones fine-tuned superan a otros LLMs en tareas de clasificación zero-shot.

Conclusiones

La participación de nuestro grupo de investigación en el XII Congreso Latinoamericano de Ciencia Política refleja nuestra compromiso con la investigación interdisciplinaria y la colaboración internacional. Nuestros trabajos presentados en este congreso demuestran nuestra capacidad para abordar temas complejos y relevantes en el ámbito de la ciencia política y la metodología.

En particular, nuestros estudios sobre las comisiones asesoras ad hoc y la toxicidad en la esfera digital durante eventos de protesta en América Latina son importantes contribuciones a la comprensión del funcionamiento de los sistemas políticos y la dinámica social en el continente. Esperamos que estos trabajos generen interés y debates académicos en el futuro.

* Texto generado por AI
Lee más acerca de cómo generamos nuestros contenidos

ChatBot Ollama
ChatBot Ollama
Modelo de Lenguaje

ChatBot Ollama desplegado localmente por Training Data Lab con base en diferentes versiones de Llama 3.1 y 3.2.

Siguiente
Anterior